Machine learningTime-series forecasting

Crossformer: Kereszt-dimenziós függőségi transzformer többváltozós idősor-előrejelzéshez

A Crossformer egy transzformer-alapú architektúra többváltozós idősor-előrejelzéshez, amelyet Yunhao Zhang és Junchi Yan mutatott be az ICLR 2023 konferencián. Ellentétben a korábbi transzformer-variánsokkal, amelyek minden változót (variate) függetlenül kezelnek, a Crossformer explicit módon modellezi a dimenziók közötti függőségeket az időbeli mintázatok mellett. Ezt egy kétszakaszos figyelem (attention) kialakítással éri el – kereszt-idő és kereszt-dimenzió –, amelyet szegmensszintű beágyazásokon (embeddings) alkalmaznak egy hierarchikus kódolóban (encoder), lehetővé téve a modell számára, hogy egyszerre rögzítse az intra-variábilis dinamikát és az inter-variábilis korrelációkat.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

The neighbourhood of related methods — select a node to explore.

Források

  1. Zhang, Y., & Yan, J. (2023). Crossformer: Transformer utilizing cross-dimension dependency for multivariate time series forecasting. ICLR. link

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 2). Crossformer (Cross-Dimension Dependency Transformer). ScholarGate. https://scholargate.app/hu/deep-learning/crossformer

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Hivatkozik rá

ScholarGateCrossformer (Crossformer (Cross-Dimension Dependency Transformer)). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/deep-learning/crossformer · Adatkészlet: https://doi.org/10.5281/zenodo.20539026